TL;DR
OpenAI Dots er vedvarende, altid-aktive personlige agenter i ChatGPT. Drevet af GPT-6 Astra har en Dot sin egen cloud-computer og kan fortsætte tildelt arbejde mellem samtaler. Denne guide hjælper brugere og udviklere med at forstå, hvad Dots gør, og vælge mellem en Dot, Codex, ChatGPT Work og en skræddersyet API-agent.
Dots er ikke blot en erstatning for Codex eller ChatGPT Work. Codex er fortsat fokuseret på softwareengineering, mens ChatGPT Work er designet til længere, flertrinsopgaver og færdige leverancer. En Dot fungerer mere som en vedvarende personlig agent, der ligger over igangværende arbejde og kan koordinere Work- eller Codex-opgaver, når det er passende.
Den vigtigste udviklerafvejning er bekvemmelighed kontra implementeringskontrol. Dots administrerer agentoplevelsen. En skræddersyet API-agent lader udviklere definere værktøjsgrænseflader, applikationsadfærd og omkostningsattribution. Præcis fakturering kræver stadig afstemning af brugsregistre med model-, værktøjs-, compute- og tredjepartsomkostninger.
Nøglepointer
- OpenAI Dots er vedvarende personlige agenter, ikke en selvstændig foundation-model.
- En Dot kombinerer en cloud-computer, tilknyttede apps, hukommelse og igangværende arbejde; proaktiv research er skrivebeskyttet.
- Codex fokuserer på softwareengineering, ChatGPT Work på substantielle leverancer, og Dots på vedvarende ansvar på tværs af opgaver.
- API-agenter giver udviklere kontrol over funktionsskemaer, eksekveringslogik, godkendelser, logs og applikations-UX.
- API-brugsregistre understøtter granulær omkostningsattribution, men præcise gebyrer kræver fakturaafstemning; Dots eksponerer ikke et tilsvarende offentligt udviklerrettet ledger i den gennemgåede dokumentation.
Hvad er OpenAI Dots?
OpenAI beskriver Dots som altid-aktive agenter bygget til at håndtere igangværende arbejde. De forstås bedre som et administreret agentprodukt end som en ny AI-model. Deres underliggende intelligens kommer fra GPT-6 Astra, som udviklere også kan tilgå via GPT-6 Astra API i CometAPI til egne applikationer. Et kald til den model leverer ikke Dots-produktet eller dets administrerede runtime.
En normal ChatGPT-samtale er primært forespørgselsdrevet: du spørger om noget, ChatGPT svarer, og senere interaktioner fortsætter fra tilgængelig kontekst. En Dot tilføjer en langt stærkere forståelse af persistens. Du giver den et mål, beslutter hvilke applikationer den må tilgå, og definerer hvor selvstændigt den må operere.
Hver Dot får sin egen cloud-computer og browser. Den kan researche, analysere data, forberede dokumenter, bygge software og returnere resultater til gennemgang. Cloud-arbejde kan fortsætte, når brugerens computer er slukket; arbejde, der delegeres til en tilknyttet lokal computer, har separate tilgængelighedskrav.
Primær rolle og løbende ansvar
Vælg efter det resultat, du har brug for, frem for at antage at produkterne har eksklusive kapabiliteter. En lanceringsansvarlig kan bruge Dots for kontinuitet, Work til at forberede en præsentation, og Codex til at implementere en feature. Tabellen beskriver produktfokus, ikke en hård teknisk grænse.
Opgavedelegering og lokal tilgængelighed
Dots kan oprette baggrundsarbejde, cloud-tråde og Work- eller Codex-opgaver på tilknyttede computere. For lokale opgaver skal den tilknyttede computer holdes online med ChatGPT-appen åben. En Dots cloud-miljø overfører ikke automatisk en lokal browser-login eller giver adgang til alle eksisterende samtaler.
Codex spørger: “Hvilken software skal jeg bygge eller ændre?”
ChatGPT Work spørger: “Hvilket stykke arbejde skal jeg gøre færdigt?”
Dots spørger: “Hvilket ansvar skal jeg fortsat håndtere for dig?”
Hvad kan OpenAI Dots gøre?
Løbende arbejde og opfølgning
En Dot bærer et løbende ansvar på tværs af samtaler. Den kan holde en lanceringsbrief opdateret, undersøge ny feedback og genbesøge beslutninger, når relevant information ændrer sig. Giv den kilderne, det ønskede resultat, opdateringsplan eller -trigger samt de beslutninger, der kræver din input.
Den kan også udføre skrivebeskyttet proaktiv research og holde private noter. Denne tilstand samler kontekst; konsekvensrige opfølgende handlinger er fortsat underlagt tilladelser og gennemgang.
Cloud-computer og tilknyttede apps
Hver Dot har en cloud-computer og browser, så cloud-arbejde kan fortsætte, når din egen enhed er slukket. Plugins giver adgang til tilknyttede apps inden for kontoens tilladelser. En lokal computer er en separat, valgfri tilslutning; hold den online med ChatGPT-appen åben for lokalt arbejde.
Dokumenter, analyse og softwareopgaver
En Dot kan researche, analysere data, forberede dokumenter og bygge software direkte eller koordinere Work- og Codex-opgaver, når det er nyttigt. Gennemgå output, vigtige beslutninger og nødvendige godkendelser, efterhånden som ansvaret udvikler sig.
Det følgende gennemstregede materiale er beholdt på sin oprindelige positionssektion til revisionsgennemgang; dets nyttige punkter er konsolideret ovenfor.
Hvordan fungerer OpenAI Dots?
Konceptuelt kombinerer Dots fem lag:
- GPT-6 Astra leverer ræsonnering og agentisk intelligens.
- Vedvarende agentkontekst lader Dot’en huske mål og fortsætte ansvar mellem samtaler.
- En dedikeret cloud-computer giver et miljø til browsing, filarbejde og computerbaserede opgaver.
- Plugins og tilknyttede tjenester giver struktureret adgang til eksterne data og handlinger.
- Godkendelses- og sikkerhedssystemer afgør, om en tilsigtet handling faktisk må udføres.
Modellen er derfor kun én del af agenten. Produktet pakker modellen ind i et vedvarende eksekveringsmiljø, tilladelser, tilknyttede værktøjer, hukommelse og handlingsgennemgang.
Konceptuelt leder et mål til planlægning, kontekstindhentning, værktøjsbrug eller delegering, gennemgang og fortsat arbejde. Dette er en læsers mentalmodel af produktet, snarere end et publiceret diagram over OpenAI’s interne arkitektur.
Hukommelse har særskilte lag: samtalen, relevant ChatGPT saved memory, og Dot’ens egne noter om præferencer, beslutninger og ansvar. Disse noter er ikke en komplet transskription, og ændring af en ChatGPT memory-indstilling ændrer ikke nødvendigvis allerede nedskrevne noter.
Hvordan håndterer OpenAI Dots sikkerhed og tilladelser?
En altid-aktiv agent kræver stærkere kontroller end en almindelig chatbot, fordi den potentielt kan læse private oplysninger og udføre handlinger. OpenAI adskiller derfor proaktiv informationsindsamling fra konsekvensrige handlinger.
Dots permissions og custom rules lader brugere tillade handlinger, kræve kontroller eller blokere handlinger. Plugin-tilladelser gælder separat. Disse kontroller tilsidesætter ikke indbyggede beskyttelser, og workspace-administratorer kan begrænse, om custom rules er tilgængelige.
Dots kan stadig begå fejl. Tilladelser, godkendelsesgrænser og gennemgang forbliver vigtige for konsekvensrige workflows.
Automatisk handlingseftersyn
Før en handling påvirker en konto eller deler information, kontrollerer automatisk gennemgang instruktioner, tilladelser, custom rules og sikkerhedsforanstaltninger. Den kan tillade handlingen, kræve din godkendelse eller overdrage et trin til dig, såsom at ændre en adgangskode. Custom rules kan ikke tilsidesætte indbyggede beskyttelser eller give app-adgang.
Privatliv og træningsdata
For Business-, Enterprise- og Edu-workspaces bruges forretningsdata ikke til at træne modeller som standard. Berettigede samtaler og opgaver på personlige planer følger kontoens datakontrolindstillinger. OpenAI træner ikke direkte på proaktiv research eller en Dots private noter; når den information indgår i en berettiget samtale eller opgave, er den gældende indstilling styrende for brugen. Denne datapolitik indebærer ikke, at hver oplistet plan har adgang til Dots.
OpenAI Dots vs. Codex vs. ChatGPT Work
Dots, Codex og ChatGPT Work overlapper, fordi alle tre kan udføre agentisk arbejde. Deres tiltænkte enhed af ansvar er forskellig.
Codex fokuserer på softwareudviklingsworkflows. ChatGPT Work håndterer opgaver, du vil delegere, såsom research, analyse eller filoprettelse, enten med det samme eller efter en tidsplan. Dots tilføjer kontinuitet på tværs af et igangværende ansvar; de kan også udføre arbejdet direkte og delegere opgaver, når det er nyttigt.
Færdige leverancer vs. løbende ansvar
ChatGPT Work og Dots overlapper i det arbejde, de kan udføre. En Work-opgave centrerer typisk om et konkret resultat, såsom en konkurrenceanalyse-præsentation; en Dot bevarer ansvaret for lanceringen over tid og koordinerer opfølgning, når omstændigheder ændrer sig. Dette beskriver deres produktfokus snarere end en eksklusiv teknisk grænse.
Hvordan bør du evaluere OpenAI Dots i praksis?
En modelbenchmark fastslår ikke, hvor pålideligt Dots vil gennemføre en bestemt forretningsworkflow. Modellen er én komponent; tilknyttede apps, tilladelsesgrænser, login-krav, skiftende kontekst og brugerens gennemgang påvirker det endelige resultat.
Evaluer Dots med repræsentativt arbejde, såsom at vedligeholde en lanceringsbrief eller undersøge et supportproblem. Mål om resultatet er korrekt, hvor meget menneskelig intervention der kræves, hvor godt agenten respekterer tilladelser, og om den genoptager korrekt efter ny information. Hold opgaven, tilgængelige værktøjer, acceptkriterier og gennemgangsmetode konsistente, når du sammenligner alternativer.
For en API-implementering skal du også måle omkostning pr. færdig opgave, retries, latenstid og mislykkede værktøjskald. Rå modelscorer alene kan ikke besvare, om en administreret Dot eller en skræddersyet agent passer bedst.
OpenAI Dots vs. at bygge din egen agent på API’et
Administreret setup og udvikleransvar
Dots er optimeret til bekvemmelighed. API-agenter er optimeret til kontrol.
Med Dots driver OpenAI det meste af agentstacken for dig: modelvalg inden for produktet, cloud-miljø, hukommelse, tilknyttede apps, agentloop og sikkerhedsinfrastruktur. Med OpenAI API definerer udviklere langt mere af agenten selv.
OpenAI’s Agents API og lavere Responses/Agents-værktøjer giver udviklere eksplicit kontrol over modeller, instruktioner, værktøjsskemaer, MCP-forbindelser, eksekveringsmiljøer, observabilitet og applikationslogik.
En skræddersyet API-agent flytter ingeniøransvaret til dit team: persistens, planlægning, tilladelser, credential-håndtering, fejlgenopretning, udrulning og brugerrettede kontroller skal stadig bygges eller konfigureres. Udbydernes sikkerhedskrav og API-funktionsunderstøttelse gælder fortsat.
Omkostningsattribution og fakturaafstemning
Dot-samtaler tæller ikke mod ChatGPT-brugsgrænser. Planen giver en kvote for dybere arbejde, mens delegerede Work- og Codex-opgaver bruger disse produkters grænser. Behandl dette som separate brugskategorier. En skræddersyet API-agent eksponerer i stedet regnskabshooks til at tilskrive forbrug til kunder, sager eller afdelinger.
Registreret agentforbrug og traces hjælper udviklere med at tilskrive root-agent- og subagent-arbejde. Brug er best-effort: det kan mangle eller opdateres senere, og det er ikke en endelig regning. De dokumenterede brugsfelter eksponerer ikke separate cache-write-tællinger, så disse felter alene kan ikke fastslå præcise omkostninger, når cache-write-priser gælder.
For et produktionsomkostningsestimat skal du bruge modellens aktuelle prissætningsdokumentation og den valgte udbyders egne fakturaposter. Konteksts-længde, serviceniveau, regional behandling, værktøjer og infrastruktur kan ændre totalen. OpenAI-priser er ikke et tilbud fra CometAPI.
Vedligehold en opgaveledger, der adskiller ikke-cached input, cached reads, cache writes hvor tilgængeligt, output inkl. ræsonnering, retries og subagent-kald. Tilføj gældende værktøjs-, sandbox-compute-, infrastruktur- og tredjepartsgebyrer, og afstem det estimat med fakturerede beløb. Tilføj ikke cached input oven på total input uden at justere for den cached del.
Dette muliggør en præcis regnskabsproces, når fulde fakturadata er tilgængelige; det gør ikke hver API-brugsrespons til en nøjagtig omkostningserklæring. Det indebærer heller ikke, at Dots er iboende dyrere.
Værktøjsskemaer og eksekveringskontrol
Dots lader brugere tilslutte understøttede integrationer og definere tilladelser eller custom rules. En API-agent lader udviklere definere den callable grænseflade: funktionsnavne, argumenttyper, tilladte værdier, eksekveringskode, backend-autorisering og den UI, der vises til brugere. Dette er implementeringsniveau-kontrol inden for API’ets understøttede kapabiliteter.
Skemaet nedenfor eksponerer én operation med to påkrævede argumenter og et fast sæt statusværdier. Det er en værktøjsdefinition, ikke en komplet kørbar applikation; dit backend skal implementere funktionen og håndhæve adgang til leaddet.
{
"type": "function",
"name": "update_lead_status",
"description": "Update only the sales-stage field for an existing lead.",
"strict": true,
"parameters": {
"type": "object",
"properties": {
"lead_id": {
"type": "string"
},
"status": {
"type": "string",
"enum": [
"qualified",
"unqualified",
"follow_up"
]
}
},
"required": [
"lead_id",
"status"
],
"additionalProperties": false
}
}
Strict function schemas begrænser genererede argumenter. Applikationen eksekverer funktionen, kontrollerer tenant-ejerskab og autorisation, validerer statustransitioner og anvender evt. påkrævet godkendelse. Et gyldigt skema garanterer ikke i sig selv, at en handling er autoriseret, eller at modellen vil træffe den rigtige forretningsbeslutning.
Dots tilbyder ikke den samme offentlige udviklerrettede grænseflade til at erstatte deres interne værktøjsskemaer, orkestrering og billing-instrumentering. De giver dog meningsfulde brugerkontroller over tilknyttede apps og tilladte handlinger. Forskellen er niveauet af eksponeret kontrol, ikke fraværet af kontroller i Dots.
Kan udviklere bygge en Dot-lignende agent med OpenAI’s API?
Ja, selvom det ikke er en one-call-klon af Dots. Udviklere kan kombinere vedvarende sessioner, function calling, websøgning, computerbrug, MCP-servere, baggrundseksekvering, tracing og skræddersyet orkestrering for at reproducere mange arkitektoniske idéer bag en altid-aktiv agent.
Afvejningen er ingeniørarbejde: Dots pakker agentstacken i et administreret produkt, mens API’et eksponerer byggestenene.
Hvornår bør du bruge OpenAI Dots i stedet for en API-agent?
Dots giver mening, når agenten primært eksisterer for dig: holde styr på personligt arbejde, koordinere research, følge projekter, organisere information på tværs af tilknyttede tjenester eller opretholde kontinuitet på tværs af mange små opgaver.
En skræddersyet API-agent giver mere mening, når agenten primært eksisterer inde i dit produkt eller din forretningsproces. Hvis du har brug for tenant-niveau fakturering, deterministiske funktionsskemaer, præcis modelrouting, proprietære godkendelsessystemer, intern observabilitet, applikationsspecifikke UI’er, værktøjsniveau adgangskontrol eller eksplicitte omkostningsgrænser, passer en API-arkitektur bedre.
Denne sammenligning fokuserer på personlige Dots. OpenAI piloterer også specialist-dots til organisatoriske roller. En skræddersyet API-agent er mest relevant, når du skal indlejre agentadfærd i din egen applikation og kontrollere dens implementering.
Kan OpenAI Dots få adgang til din lokale computer?
Ikke automatisk. En Dot’s cloud-computer er adskilt fra brugerens enhed. Tilslutning af en lokal computer giver en separat tilladelse til lokalt arbejde; at tilslutte den computer til Codex eller aktivere Work Sync giver ikke i sig selv Dot’en adgang. Nogle websites blokerer cloud-browsere eller kræver verifikation, og start af en lokal opgave overfører ikke cloud-browser-sessionen.
Hvordan kan CometAPI passe ind i et API-baseret alternativ til Dots?
Hvis målet ikke er at reproducere ChatGPT Dots-grænsefladen, men at bygge dit eget agentprodukt, kan et samlet model-API være nyttigt for modellaget.
GPT-6 Sol API i CometAPI kan understøtte komplekse agentiske workloads gennem en OpenAI-kompatibel grænseflade. For nyere workloads giver GPT-6.1 Sol API i CometAPI en anden mulighed til agentisk kodning og professionelt arbejde.
I en skræddersyet udrulning sender din applikation arbejde til en agent-orkestrator. Orkestratoren anvender forretningsregler og kalder understøttede modelendpoints og værktøjer. Din applikation vedligeholder egne logs, omkostningsledger og godkendelseslag. En modelgateway leverer modeladgangslaget; den leverer ikke automatisk en fuld agent-runtime.
For hvert valgt endpoint skal du verificere understøttelse af de API-funktioner, du planlægger at bruge, inkl. værktøjskald, strukturerede outputs og brugsfelter. OpenAI-hostede Agents API-miljøer og traces bør ikke antages at være tilgængelige via en OpenAI-kompatibel gateway. CometAPI-fakturering skal kontrolleres mod CometAPI’s egne satser og poster.
Hvad er de vigtigste begrænsninger ved OpenAI Dots?
- Kontrolgranularitet: Dots giver regler og tilladelser, men ikke den samme udviklerniveau-orkestreringsflade som API’et.
- Omkostningsobservabilitet: abonnementsadgang er enkel, men giver ikke den samme pr.-kald-, pr.-token- og pr.-værktøjsregnskab som API-workloads.
- Website-kompatibilitet: automatiserede agenter kan møde login-, anti-bot- eller handlingsbegrænsninger.
- Tilgængelighed: adgang afhænger af plan, region og workspace-konfiguration.
- Autonomirisiko: vedvarende agenter kan stadig begå fejl, så tilladelser og gennemgang er fortsat nødvendige.
Hvem kan bruge OpenAI Dots, og hvor kan du oprette en?
Dots-tilgængelighed udrulles gradvist. Som kontrolleret den 12. oktober 2026 skal berettigede Pro 100-, Pro 200- og Pro 500-brugere være over 18 og uden for Det Europæiske Økonomiske Samarbejdsområde, Det Forenede Kongerige og Schweiz. Business Premium og Enterprise udrulles globalt; Enterprise kræver, at en administrator aktiverer Dots. Berettigelse garanterer ikke, at en konto allerede har adgang.
Opret en Dot i den nyeste ChatGPT-mobilapp, desktopapp eller desktopbrowser, og fortsæt med den samme Dot på tværs af enheder. Mobilweb understøttes ikke. Opdateringen 5.–9. oktober tilføjede mobiloprettelse, tilpasning af udseende og plugin-tilslutning; tilslutning af din lokale computer kræver stadig desktopappen.
Konklusion
Dots udvider ChatGPT fra enkelte samtaler til løbende delegeret ansvar. De kan bevare kontekst, arbejde i skyen, bruge tilknyttede apps og koordinere Work- eller Codex-opgaver, mens brugeren involveres, når gennemgang eller en beslutning er nødvendig.
Vælg Dots, når du vil have en administreret personlig agent til at holde arbejdet i gang. Vælg Codex til engineering-workflows og ChatGPT Work til substantielle leverancer. Byg en API-agent, når dit produkt har brug for skræddersyede værktøjsgrænseflader, applikationsspecifik orkestrering og en faktureringsproces bundet til individuelle kunder eller workflows. Den ekstra kontrol medfører implementerings- og vedligeholdelsesarbejde.
FAQ
Kan en Dot genoptage lokalt arbejde, efter min laptop går offline?
Cloud-arbejde og tilknyttet-computer-arbejde har forskellige eksekveringsmiljøer. En Dot kan fortsætte arbejde i sit eget cloud-miljø, når din laptop er slukket, men en opgave, der er tildelt den laptop, kræver, at den tilknyttede computer er online med ChatGPT-appen åben. Kontroller opgavens eksekveringssted, før du antager, at den fortsætter uden opsyn; cloud-browseren arver ikke den lokale browsersession.
Stopper pausering af en Dot alle delegerede opgaver?
Nej. Pause, opgavestop og annullering af tidsplan er separate kontroller. Pause stopper Dot’ens hovedopgave. Åbn Activity for at stoppe en delegeret opgave, og Scheduled for at deaktivere eller slette en tilbagevendende opgave. At afslutte et opkald stopper heller ikke nødvendigvis tildelt arbejde. Udførte handlinger fortrydes ikke ved at stoppe agenten.
Giver beskeder til en Dot i Slack den adgang til andre apps?
Nej. En beskedkanal og en app-tilslutning giver forskellige typer adgang. App-tilslutninger afhænger af kontoens tilladelser og det miljø, hvor arbejdet kører. Tilslut den krævede integration separat og inspicér dens tilladte handlinger; en kommunikationsmetode alene giver ikke adgang til en indbakke, et repository eller lokale filer.
Kan API-brugsfelter alene afgøre en nøjagtig agentregning?
Ikke i alle tilfælde. Brug kan ankomme sent eller være utilgængelig, og nogle omkostninger kræver yderligere fakturadata. Inkluder retries, subagent-arbejde, cache writes hvor relevant, værktøjer, compute og tredjepartstjenester. Behandl registreret brug som regnskabsinput, tilknyt det til dine egne opgaveidentifikatorer, og afstem resultatet med fakturerede beløb fremfor at betragte én brugsrespons som den fulde omkostning.
Nulstilles en Dots private noter, når ChatGPT memory-indstillinger ændres?
Ikke nødvendigvis. En Dots private noter og ChatGPT saved memory er særskilte kilder til kontekst. Noter kan spore beslutninger og præferencer på tværs af kontaktmetoder, og de er ikke en komplet transskription. Ændring af en ChatGPT memory-indstilling fjerner ikke nødvendigvis eksisterende Dot-noter; gennemgå de relevante kontroller, når du ændrer den kontekst, du ønsker, at den skal bevare.